人工智能自然語言技術練習(習題卷10)

試卷科目：人工智能自然語言技術練習人工智能自然語言技術練習(習題卷10)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能自然語言技術練習第1部分：單項選擇題，共116題，每題只有一個正確答案,多選或少選均不得分。[單選題]1.以下哪個模型是屬于產(chǎn)生式模型A)HMMB)SVMC)CRFD)MEMM答案:A解析:[單選題]2.ELMO的第一層LSTM中更多的得到的是什么信息A)固定的詞向量B)詞義信息C)語義信息D)句法信息答案:D解析:[單選題]3.tf.add函數(shù)是對兩個tensor做什么運算？A)維度轉化B)相加C)相減D)相乘答案:B解析:[單選題]4.以下幾個關于Bagging的說法正確的是A)對于偏差來說，Bagging通常選用偏差高的弱學習器B)對于方差來說，Bagging可以降低方差C)不確定D)對于方差來說，Bagging可以提高方差答案:B解析:[單選題]5.關于自然語言處理，以下說法正確的是()A)就是相人一樣聽到語言，然后查找數(shù)據(jù)庫識別聲音B)就是理解書面文字，翻譯成另一種語言C)理解自然界各種自然的聲響，并加以解釋D)具備人類般文字處理能力，從文本中提取意義答案:D解析:[單選題]6.對特征進行歸一化后有什么樣的優(yōu)點A)可以為數(shù)據(jù)增加適量的沉余B)可以為代價函數(shù)加入正則項C)不確定D)更快地通過梯度下降找到最優(yōu)解。答案:D解析:[單選題]7.結構化數(shù)據(jù)是（）？A)數(shù)據(jù)庫中的數(shù)據(jù)B)HTML文檔C)文本D)圖片答案:A解析:[單選題]8.下面哪個個關于softmax函數(shù)的說法是正確的？A)主要用于二分類B)算出來為概率值C)將最小的概率值所對應的類別作為輸入樣本的輸出類別D)所有的概率相加大于1答案:B解析:[單選題]9.Fasttext做分類，會有以下哪個優(yōu)點A)網(wǎng)絡層數(shù)較多B)復雜度高C)精度高D)快速答案:D解析:[單選題]10.詞庫太大，使用詞袋子模型做文本表示會出現(xiàn)什么問題A)向量維度小B)有很強的語義信息C)維度爆炸D)簡單快速答案:C解析:[單選題]11.當使用withtf.Session()創(chuàng)建的會話時，在關閉時的同事（）釋放資源A)自動B)手動C)不能D)無法答案:A解析:[單選題]12.下面模型當中哪個使用了Bi-LSTMA)bertB)GPTC)ELMOD)word2vec答案:C解析:[單選題]13.人工智能中關于F-范數(shù)，可標記為()A)||*||FB)||·||FC)||-||FD)F||·||答案:B解析:[單選題]14.CNN網(wǎng)絡包含如下哪個概念A)視野域B)循環(huán)結構C)梯度消失D)以上都不包含答案:A解析:[單選題]15.seq2seq是什么樣的模型架構A)編碼和解碼B)解碼C)編碼D)預測答案:A解析:[單選題]16.在BERT模型當中有一個遮蔽任務的訓練，那么有多少的遮蔽掉的詞A)10%B)12%C)15%D)20%答案:C解析:[單選題]17.平方損失函數(shù)一般用在以下哪個算法中A)邏輯回顧B)線性回歸C)SVMD)聚類答案:B解析:[單選題]18.評估回歸模型的指標，用哪個？A)A:FR2B)B:MFFEC)C:MSED)D:ABC全錯答案:C解析:[單選題]19.人工智能關于數(shù)據(jù)預處理的方法，下面哪個不屬于？A)變量代換B)離散化C)聚集D)估計遺漏值答案:D解析:[單選題]20.基于語義的自然語言文本表示中深度學習是哪個？A)LDAB)LSIC)PLSID)wordembedding答案:B解析:[單選題]21.Relu的求導非常簡單所以速度快，它正半?yún)^(qū)的求導之后是多少A)0B)0.25C)1D)-1答案:C解析:[單選題]22.模型訓練階段，使用優(yōu)化算法是為了在迭代的過程中實現(xiàn)怎么的效果A)增大損失值B)使學習率衰減C)降低損失值D)提升正則項范圍答案:B解析:[單選題]23.人工智能機器學習的K均值算法，以下說法不對的是A)K均值算法是聚類算法B)K均值算法是通過迭代過程把數(shù)據(jù)集劃分成不同的類別C)K均值算法是有監(jiān)督學習算法D)K均值算法對初始值敏感，不同的初始值，可能會導致不同的結果答案:C解析:[單選題]24.GBDT(GradientBoostingDecisionTree)的全名叫什么A)隨機森林B)梯度提升決策樹C)聚類D)邏輯回歸答案:B解析:[單選題]25.XGBoost雖然是在GBDT的基礎上進行的改進但是它可以吧哪些方面發(fā)揮到極致A)速度B)代價C)準確率D)以上都是答案:A解析:[單選題]26.ELMO是一種什么樣的模型A)語言模型B)基于神經(jīng)網(wǎng)絡的語言模型C)基于統(tǒng)計的語言模型D)預訓練語言模型答案:D解析:[單選題]27.什么是隨機梯度下降A)隨機賦值，祈禱它們是正確的B)搜索所有權重和偏差的組合，直到得到最佳值C)賦予一個初始值，通過檢查跟最佳值的差值，然后迭代更新權重D)以上都不正確答案:C解析:[單選題]28.設輸入句子：?我愛人工智能?，通過自然語言處理產(chǎn)生輸出：?我／愛／人工智能?。這個過程稱為()。A)中文分詞B)詞性標注C)依存詞法分析D)命名實體識別答案:A解析:[單選題]29.XGBoost是對某個算法的改進，是以下四個選項中的哪個算法A)GBDTB)隨機森林C)線性回歸D)邏輯回歸答案:A解析:[單選題]30.Relu的求導，正半?yún)^(qū)的求導之后是多少A)0B)0.25C)1D)-1答案:C解析:[單選題]31.不同標注集的根本差別在于()A)如何對某些詞進行分類B)如何排布詞語C)如何對某種字符進行分類D)如何排布字符答案:A解析:[單選題]32.CBOW的模型網(wǎng)絡結構是___?A)輸入之后在投影層求和或求平均，最終使用softmax分類B)先對向量求和或求平均，然后將其映射到一個稠密的向量空間上C)先編碼再解碼D)不確定答案:A解析:[單選題]33.語言模型word2Vec有什么優(yōu)劣勢A)編碼的詞向量中不包含語義信息B)是一種有監(jiān)督的訓練方式C)無法處理一詞多意問題D)不確定答案:C解析:[單選題]34.常用的操作Batch歸一化，對比到神經(jīng)網(wǎng)絡中，和下列描述的哪個步驟很相似？A)reluB)dropoutC)sigmoidD)tanh答案:B解析:[單選題]35.梯度消失可以使用的處理方式有：A)對于RNN，可以通過梯度截斷，避免梯度消失B)可以通過添加正則項，避免梯度爆炸C)使用LSTM等自循環(huán)和門控制機制，避免梯度爆炸D)優(yōu)化激活函數(shù)，譬如將sigmold改為relu，避免梯度消失答案:D解析:[單選題]36.在一個_概率_空間，進行多種劃分后，其其信息熵是（）A)一定相等B)一定不等C)不確定無關聯(lián)D)互有關聯(lián)答案:C解析:[單選題]37.正則化也是常用的手段，以下關于正則化描述錯誤的是哪個A)過擬合可以通過正則化方式消除B)常用的正則化方式由L1，L2，以及dropoutC)欠擬合可以通過正則化方式消除D)正則化是損失函數(shù)的一個補償項答案:C解析:[單選題]38.下列管Batch歸一化操作的作用描述正確的是？A)作用于輸出層B)僅作用于輸入層C)無法在隱藏層起作用D)用于輸入層，甚至深度隱藏層的歸一化過程答案:D解析:[單選題]39.下列選項中不屬于智能問答分類的是（）。A)開放領域自動問答B(yǎng))非特定領域自動問答C)特定領域自動問答D)常用問題集自動問答答案:B解析:[單選題]40.Transformer是一個基于什么的模型A)AttentionB)CNNC)RNND)LSTM答案:A解析:[單選題]41.下列四個選項中，對于正則化(regularization)的描述正確的選項是哪個？A)每一個隱層都需要正則化（regularization）B)每一個模型中都需要正則化，否則無法正確預測結果C)正則化可以預防欠擬合D)正則化可以預防過擬合答案:D解析:[單選題]42.多頭機制的作用是什么A)使每個子空間都有相互之間的連接B)使計算變得跟深，更不容易理解C)本質是多個獨立的Attention的計算，作為一個集成的作用防止過擬合，然后每個子空間之間相互獨立D)不確定答案:C解析:[單選題]43.不屬于文本挖掘的基本技術分類的是（）A)文本信息抽取B)文本分類C)文本聚類D)文本數(shù)據(jù)挖掘答案:D解析:[單選題]44.在進行池化的時候，如果參數(shù)ksize=[1,4,4,1]那么圖像會發(fā)生什么樣的變化A)縮小到1/2B)縮小到1/16C)擴大兩倍D)擴大四倍答案:B解析:[單選題]45.以下是softmax函數(shù)的是（）A)概率B)歸一化C)損失函數(shù)D)空間答案:B解析:[單選題]46.大概率事件怎么理解？如何理解大概率事件A)發(fā)生可能性不大的事件B)發(fā)生可能性大的事件C)發(fā)生可能性不去確定的事件D)以上都正確答案:B解析:[單選題]47.基于LDA主題模型的文本情感分析不包括()。A)文本轉換B)主題提取和情感詞提取C)主題情感摘要生成D)系統(tǒng)評測答案:A解析:[單選題]48.以下哪個不是文本向量化的常用方法？A)EMB)CBOWC)BDOWD)DM答案:A解析:[單選題]49.sigmoid作為常見的激活函數(shù)，有著非線性變化的作用，它的曲線是什么樣的A)直線B)A型曲線C)C型曲線D)S型曲線答案:D解析:[單選題]50.關于梯度消失的解釋，下面哪個是準確的？A)通過優(yōu)化算法，處理梯度，可以更快做梯度下降，獲取最優(yōu)解B)由于數(shù)據(jù)處理或者激活函數(shù)選擇不合理等原因，無法獲取梯度，從而不能獲得最優(yōu)解C)由于隱藏層數(shù)量過少，無法獲取梯度，從而不能獲得最優(yōu)解D)通過更多隱藏層，減少梯度迭代，從而更快的進行計算，獲取最優(yōu)解答案:B解析:[單選題]51.決策樹的基本算法A)分支限界算法B)回溯法C)貪心算法D)概率算法答案:C解析:[單選題]52.以下幾個選項中，哪個可以表示超平面A)Wt*x+b=0B)w*log（x）=0C)w*ln（x）=0D)wx2=0答案:A解析:[單選題]53.以下哪個與LSTM無關A)遺忘門B)輸入門C)輸出門D)更新門答案:D解析:[單選題]54.CART回歸樹和XGBoost使用的什么相同的方法去尋找最優(yōu)結果A)貪心算法B)線性回歸C)邏輯回歸D)嶺回歸答案:A解析:[單選題]55.哪個技術可以用來解決過擬合問題？A)DorpoutB)正則化C)批規(guī)范化D)以上技術均可以答案:D解析:[單選題]56.語言是（）A)句子的集合B)產(chǎn)生式的集合C)符號串的集合D)句型的集合答案:A解析:[單選題]57.Bagging中的采樣方法是什么樣的A)有放回的隨機抽樣B)無放回的隨機抽樣C)有放回的順序抽樣D)無放回的順序抽樣答案:A解析:[單選題]58.在實際的應用中，通常的歸一化和以下哪個選項中的描述一并使用A)訓練集的mini-batchB)測試集的mini-batchC)整個訓練集D)整個測試集答案:A解析:[單選題]59.TF-IDF中用權重衡量一個詞肯定不夠全面，怎么辦A)使用one-hotB)使用bagofwordC)使用Word2VecD)不確定答案:C解析:[單選題]60.下列哪個說法是正確的？A)神經(jīng)網(wǎng)絡的更深層通常比前面層計算更復雜的輸入特征。B)神經(jīng)網(wǎng)絡的前面層通常比更深層計算更復雜的輸入特性。C)神經(jīng)網(wǎng)絡由輸入和隱藏層構成D)神經(jīng)網(wǎng)絡的隱藏層只能是一層答案:A解析:[單選題]61.以下選項中關于sigmoid求導之后的值域描述正確的是？A)(0,0.1]B)(0,0.2]C)(0,0.25]D)(0,0.5]答案:C解析:[單選題]62.關于logit回歸和SVM不正確的是A)Logit回歸本質上是一種根據(jù)樣本對權值進行極大似然估計的方法，而后驗概率正比于先驗概率和似然函數(shù)的乘積。logit僅僅是最大化似然函數(shù)，并沒有最大化后驗概率，更談不上最小化后驗概率。B)Logit回歸的輸出就是樣本屬于正類別的幾率，可以計算出概率C)SVM的目標是找到使得訓練數(shù)據(jù)盡可能分開且分類間隔最大的超平面，應該屬于結構風險最小化。D)SVM可以通過正則化系數(shù)控制模型的復雜度，避免過擬合。答案:A解析:[單選題]63.以下哪個超參數(shù)的調試，對神經(jīng)網(wǎng)絡最重要？A)mini-Batch的大小B)動量梯度下降的參數(shù)βC)學習率αD)隱藏層數(shù)目答案:C解析:[單選題]64.以下哪個聚類算法不是屬于基于原型的聚類A)模糊C均值B)EM算法C)SOMD)CLIQUE答案:A解析:[單選題]65.AUC的值不會大于幾？A)1B)2C)3D)4答案:A解析:[單選題]66.文本分類中，數(shù)據(jù)提取特征階段的任務是（）A)選擇具體分類模型及算法，訓練文本分類器B)對文檔矩陣降維，提取訓練集中最有用的特征C)應用性能最高的分類模型對分類文檔進行分類D)應用性能最高的分類模型對分類文檔進行分類答案:B解析:[單選題]67.關于XGBoost對樹的復雜度以下描述正確的是A)一個是樹里面根節(jié)點的個數(shù)TB)一個是樹里面葉子節(jié)點的個數(shù)TC)不確定D)以上都正確答案:B解析:[單選題]68.怎樣理解?硬間隔?？A)SVM只允許極小誤差B)SVM允許分類時出現(xiàn)一定范圍的誤差C)二者都不對D)不確定答案:A解析:[單選題]69.格的中心是（）A)動詞B)名詞C)介詞D)副詞答案:A解析:[單選題]70.在模型構建前期，對數(shù)據(jù)進行劃分，正常的將數(shù)據(jù)集進行切分為三個集合，下面哪個不被包含？A)確認集B)測試集C)驗證集D)訓練集答案:A解析:[單選題]71.神經(jīng)網(wǎng)絡中經(jīng)常使用到激活函數(shù)，下面關于激活函數(shù)的說法是正確的？A)神經(jīng)網(wǎng)絡中最好的激活函數(shù)是sigmoidB)激活函數(shù)有正則化作用C)dropout是CNN中的激活函數(shù)D)神經(jīng)元輸出后需要給定一個激活函數(shù)答案:D解析:[單選題]72.K-Means所處理的數(shù)據(jù)是什么樣子的A)未標記的數(shù)據(jù)集B)已標記的數(shù)據(jù)集C)半標記的數(shù)據(jù)集D)不確定答案:A解析:[單選題]73.trainset和testset描述正確的是A)可以直接使用訓練集來驗證算子的準確率B)訓練集用于算子的擬合C)驗證集和測試集用來評判算子的準確度D)可以不配置驗證集答案:A解析:[單選題]74.聚類肘部法的作用是：A)就是從K值和代價函數(shù)J的二維圖中找出J下降變平滑的拐點對應的K值。B)最大K值C)最小K值D)隨機K值答案:A解析:[單選題]75.編解碼器的encode在中如果使用LSTM接收的是什么A)每個單詞的wordembedding和上一時間點的hiddenstateB)接收的是原始的單詞C)接收的是上一層和hiddenstateD)接收的是每個單詞的wordembedding答案:A解析:[單選題]76.以下歸一化的描述，正確的是（）A)通過中值和均值進行確定B)通過平均值和最小值確定C)通過方差和均值確定D)通過標準差和均值確定答案:C解析:[單選題]77.我們在做一個線性回歸時候，如果(x，y)的值為(5，6)，(6，7)，(7，8)，(8，9)，則y與x之間的回歸直線方程為A)y=x+1B)y=x+2C)y=x-1D)y=2x+1答案:A解析:[單選題]78.并行地訓練一系列各自獨立的同類模型，然后再將各個模型的輸出結果按照某種策略進行聚合，是什么思想A)BaggingB)BoostingC)StackingD)以上都正確答案:A解析:[單選題]79.在貝葉斯統(tǒng)計中，如果后驗分布與先驗分布屬于同類，則被稱為什么A)二項分布B)多項分布C)共軛分布D)Bete分布答案:C解析:[單選題]80.sigmoid函數(shù)的缺點:導數(shù)值范圍為(0,0.25]，反向傳播時會導致?梯度消失?。而()函數(shù)導數(shù)值范圍更大，相對好一點。A)coshB)sinC)tanhD)sigmoid答案:C解析:[單選題]81.SVM處理一個四分類問題，假定數(shù)據(jù)集中每一類的分布相同，且訓練一次SVM模型需要10秒，若完成上面的任務，共花費多少秒？A)20B)40C)60D)80答案:B解析:[單選題]82.大數(shù)據(jù)中，哪種梯度下降速度最快A)A:隨機梯度下降B)B:小批量梯度下降C)C:對代價函數(shù)求導D)D:批量梯度下降答案:B解析:[單選題]83.Relu和Tanh相比有什么不同的地方A)輸出的值域不同B)Relu可以做非線性變換而Tanh不可以C)Relu是激活函數(shù)但是Tanh不是激活函數(shù)D)都不可以做線性變換答案:A解析:[單選題]84.以下哪個與支持向量機無關A)使用核函數(shù)B)將低維向量向高維向量轉換C)使低維線性不可分的數(shù)據(jù)在高維線性可分D)使用向量的都叫支持向量機答案:D解析:[單選題]85.需要做參數(shù)調優(yōu)的時候可以使用哪個方法A)網(wǎng)格搜索B)SVMC)嶺回歸D)貪心法則答案:A解析:[單選題]86.人工智能近幾年大火，它最早是在什么時候出現(xiàn)的？A)20世紀50年代B)20世紀60年代C)20世紀70年代D)20世紀80年代答案:A解析:[單選題]87.以下哪個邏輯運算不能用單層人工神經(jīng)網(wǎng)絡實現(xiàn)A)NOT(邏輯非)B)AND(邏輯與)C)OR(邏輯或)D)XOR(邏輯異或)答案:D解析:[單選題]88.tf.matmul()方法的作用是什么A)相與B)乘積C)相除D)相加答案:B解析:[單選題]89.如果要采用神經(jīng)網(wǎng)絡來對文本進行建模，必須先將文本向量化，這一過程是指()A)將文本分詞B)獲得文本類別標簽C)將文本壓縮D)將文本轉換為數(shù)值向量答案:D解析:[單選題]90.特征工程本質上是一個什么樣的過程A)特征工程是一個表示和展現(xiàn)數(shù)據(jù)的過程B)特征工程是一個文本分類的過程C)特征工程是一個回歸過程D)特征工程是一個聚類過程答案:A解析:[單選題]91.美元貨幣符號?$?表示匹配字符串的()位置。A)結束B)開始C)中間D)表示貨幣的字符串答案:A解析:[單選題]92.決策樹中為什么要進行剪枝的操作A)決策樹生成算法遞歸的產(chǎn)生決策樹，進行剪枝毫無意義B)決策樹生成算法遞歸的產(chǎn)生決策樹，直到不能繼續(xù)下去為止，這樣產(chǎn)生的樹往往對訓練數(shù)據(jù)的分類很準確，但對未知測試數(shù)據(jù)的分類缺沒有那么精確，即會出現(xiàn)過擬合現(xiàn)象，因此需要剪枝C)決策樹的訓練過程當中可能會發(fā)生欠擬合，因此需要做剪枝D)決策樹的需要做節(jié)點的選擇，因此需要做剪枝答案:B解析:[單選題]93.可以在自然語言處理中用于語義關系提取的神經(jīng)網(wǎng)絡技術是以下哪種？A)循環(huán)神經(jīng)網(wǎng)絡B)卷積神經(jīng)網(wǎng)絡C)遞歸神經(jīng)網(wǎng)絡D)殘差神經(jīng)網(wǎng)絡答案:A解析:[單選題]94.LDA稱為()A)損失分布法B)內部衡量法C)打分卡法D)內部損失數(shù)據(jù)法答案:A解析:[單選題]95.專家系統(tǒng)的推理機的最基本的方式是（）。A)直接推理和間接推理B)正向推理和反向推理C)邏輯推理和非邏輯推理D)準確推理和模糊推理答案:B解析:[單選題]96.LightGBM中使用了帶有深度限制的按葉子生長算法去對GBDT進行優(yōu)化，關于這個算法縮寫，是以下選項中的哪個？A)leaf-wiseB)HistogramC)SklearnD)Nnumpy答案:A解析:[單選題]97.谷歌開源出的BERT模型也得到了很廣泛的應用，對于BERT有幾個訓練任務A)1B)2C)3D)4答案:B解析:[單選題]98.關于HMM的解碼問題，用什么算法處理A)前向算法B)后向算法C)Viterbi算法D)Baum-Welch算法答案:C解析:[單選題]99.SVM算法的性能取決于：A)核函數(shù)的選擇B)核函數(shù)的參數(shù)C)軟間隔參數(shù)CD)以上所有答案:D解析:[單選題]100.在下列四個選項中，正確的找出激活函數(shù)A)L1B)ReluC)L2D)MSE答案:B解析:[單選題]101.RMSprop相比較與算法Momentum，建議可以采取更大的（）A)學習率B)樣本集C)損失函數(shù)D)激活函數(shù)答案:A解析:[單選題]102.()根據(jù)文本的不同特征劃分為不同的類A)文本概括B)文本分類C)文本聚類D)都可以答案:C解析:[單選題]103.設輸入句子?我愛人工智能?，經(jīng)過詞性標注等得到?我/PN愛/VV人工智能/NR"，其中，PN、VV和NR的含義分別是代詞、動詞、專有名詞。以下（）是命名實體。A)?我?B)?愛?C)?人工智能?D)?我?、?人工智能?答案:C解析:[單選題]104.以下哪個激活函數(shù)經(jīng)常用來解決二分類問題A)tanhB)LeakyReluC)sigmoidD)relu答案:C解析:[單選題]105.什么是自然語言處理(NLP)A)機器理解B)讓計算機／機器在理解語言上像人類一樣智能C)彌補人類交流和計算機理解之間的差距D)一門計算機科學、人工智能以及語言學的交叉學科答案:D解析:[單選題]106.在NLP任務中，以下哪個可以提高模型精度A)ELMoB)OpenAI?sGPTC)ULMFitD)One-Hot答案:B解析:OpenAI的GPT能夠通過使用Transformer模型的注意力機制（AttentionMechanism）來學習數(shù)據(jù)中的復雜模式，因此更適合于諸如語義相似性、閱讀理解和常識推理之類的復雜用例。[單選題]107.一個文本語料庫中我們要提取的特征可能是什么A)文本中詞計數(shù)B)詞的向量標注C)詞性標注（PartofSpeechTag）D)以上所有答案:D解析:[單選題]108.SVM中，若C趨于無窮，以下哪種說法正確？A)數(shù)據(jù)仍可正確分類B)數(shù)據(jù)無法正確分類C)不確定D)以上都不對答案:A解析:[單選題]109.以下哪個模型使用了雙向的Transformer作為特征提取A)BERTB)Word2VecC)ELMOD)GPT答案:A解析:[單選題]110.像個性化推薦，機器創(chuàng)作等這類任務，用到了以下哪個內容A)深度學習B)GANC)自編碼D)遷移學習答案:A解析:[單選題]111.DecisionTreeClassifier中的max_leaf_nodes參數(shù)的作用是什么A)最大葉子節(jié)點數(shù)B)類別權重C)隨機種子D)決策樹深度答案:A解析:[單選題]112.并行地訓練一系列各自獨立的不同類模型，然后通過訓練一個元模型(meta-model)來將各個模型輸出結果進行結合，是什么思想A)BaggingB)BoostingC)StackingD)以上都正確答案:C解析:[單選題]113.KNN算法更適合于（）的分類問題。A)稀有事件B)易發(fā)事件C)不確定D)以上都正確答案:A解析:[單選題]114.梯度爆炸如何解決？？A)對于RNN，可以通過梯度截斷，避免梯度消失B)可以通過添加正則項，避免梯度爆炸C)使用LSTM等自循環(huán)和門控制機制，避免梯度爆炸D)優(yōu)化激活函數(shù)，譬如將sigmold改為relu，避免梯度消失答案:B解析:[單選題]115.中文NLP的基本流程由語料獲取、()、文本向量化、模型構建、模型訓練和模型評價6部分組成。A)語料預處理B)中文分詞C)去停用詞D)詞性標注答案:A解析:[單選題]116.自然語言處理包括哪些階段（）。A)自然語言書寫。B)自然語言理解。C)自然語言寫作。D)然語言分析。答案:B解析:第2部分：多項選擇題，共57題，每題至少兩個正確答案,多選或少選均不得分。[多選題]117.以下哪些是CNN的內容A)卷積B)池化C)循環(huán)神經(jīng)結構D)以上都不對答案:AB解析:[多選題]118.關鍵詞提取系統(tǒng)的實用性主要表現(xiàn)在以下（）A)可讀性B)高速性C)學習性D)健壯性答案:ABCD解析:[多選題]119.目前深度學習的到了廣泛的應用，那么深度學習可以應用到以下哪些領域A)計算機視覺B)語音識別C)自然語言處理D)人機博弈答案:ABCD解析:[多選題]120.SVM的原理是什么？A)當訓練樣本線性可分時，通過硬間隔最大化，學習一個線性分類器，即線性可分支持向量機B)當訓練數(shù)據(jù)近似線性可分時，引入松弛變量，通過軟間隔最大化，學習一個線性分類器，即線性支持向量機；C)當訓練數(shù)據(jù)線性不可分時，通過使用核技巧及軟間隔最大化，學習非線性支持向量機。D)以上都正確答案:ABCD解析:[多選題]121.下面哪些算法可以用于文本的分詞？()A)基于規(guī)則的分詞B)TF-IDF算法C)反向最大匹配法D)詞嵌入答案:AC解析:[多選題]122.降維最終是為了達到一個什么樣的效果A)減少預測變量的個數(shù)。B)降低算法運算開銷。C)去除數(shù)據(jù)噪聲。D)確保這些變量是相互獨立的。答案:ABCD解析:[多選題]123.CNN模型的核心包括下面哪些選項A)局部連接B)權值共享C)多層次結構D)池化操作答案:ABD解析:[多選題]124.同樣是做降維，LDA和PCA的相同點A)兩者均可以對數(shù)據(jù)進行降維；B)兩者在降維時均使用了矩陣特征分解的思想；C)有監(jiān)督的降維方法；D)兩者都假設數(shù)據(jù)符合高斯分布；答案:ABD解析:[多選題]125.如果網(wǎng)絡中的梯度達到了0，那么說明___?A)局部最優(yōu)解B)全局最優(yōu)解C)鞍點D)轉折點答案:ABC解析:[多選題]126.以下死哦模型當中，哪些是用于產(chǎn)生詞嵌入的雙向語言模型A)BERTB)GPTC)ELMoD)Word2Vec答案:AC解析:[多選題]127.在下列四個選項中，關于GBDT算法描述正確的選項有哪些？A)預測階段的計算速度快，樹與樹之間可并行化計算（注意預測時可并行）B)在分布稠密的數(shù)據(jù)集上，泛化能力和表達能力都很好；C)GBDT在高維稀疏的數(shù)據(jù)集上表現(xiàn)不佳；D)訓練過程需要串行訓練，只能在決策樹內部采用一些局部并行的手段提高訓練速度。答案:ABCD解析:[多選題]128.對于一個詞向量方式詞袋子模型，它有什么優(yōu)劣勢A)簡單方便快速B)在語料充足的前提下，對于簡單自然語言處理任務效果不錯C)準確率較低D)無法關注詞語間的順序答案:ABCD解析:[多選題]129.下列應用屬于自然語言處理的是（）A)機器閱讀B)機器翻譯C)語音識別D)人臉識別答案:AB解析:[多選題]130.正則表達式可以()A)測試字符串內的模式。例如，可以測試輸入字符串，以查看字符串內是否出現(xiàn)電話號碼模式或信用卡號碼模式B)替換文本?？梢允褂谜齽t表達式來識別文檔中的特定文本，完全刪除該文本或者用其他文本替換它C)基于模式匹配從字符串中提取子字符串D)可以查找文檔內或輸入域內特定的文本答案:ABCD解析:[多選題]131.下列()是違約概率模型A)風險中性定價模型B)信用監(jiān)測模型C)信用風險計算方法D)以上都正確答案:ABCD解析:[多選題]132.ELMO中使用雙向的LSTM有什么可以優(yōu)化的地方A)將LSTM替換成TransformerB)雙向的LSTM在最后拼接的時候融合效果差C)適應性廣，普適性強D)可以動態(tài)調整的詞向量答案:BC解析:[多選題]133.線性函數(shù)歸一化，是怎么去實現(xiàn)的A)將原始數(shù)據(jù)映射到均值為0、標準差為1的分布上B)對原始數(shù)據(jù)的等比縮放C)使結果映射到[1,2]的范圍D)以上都正確答案:AB解析:[多選題]134.TF-IDF分別代表__和__?A)TF（詞頻）B)TF（逆文檔頻率）C)IDF（逆文檔頻率）D)IDF（詞頻）答案:AC解析:[多選題]135.Batch歸一化對于神經(jīng)網(wǎng)絡的調試為什么有用？A)通過歸一化所有的輸入特征值，以獲得類似范圍的值，加速學習B)將參數(shù)歸一化可以減緩學習速率C)可以使權重比你的網(wǎng)絡更滯后或更深D)可以使權重比你的網(wǎng)絡更超前或更深答案:AC解析:[多選題]136.K-Means聚類的思想是什么A)適當?shù)倪x擇K個類的初始質心B)迭代更新，求C個中心的距離，找到距離最短的中心所在類C)利用均值等方法更新中心值D)不斷迭代更新，直到值保持不練答案:ABCD解析:[多選題]137.梯度消失對于模型的訓練非常重要，會造成模型學不到新的東西。下列說法中，關于其描述正確的選項都有哪些？A)梯度消失對神經(jīng)網(wǎng)絡無影響B(tài))可以通過激活函數(shù)防止梯度消失C)盡量避免梯度消失D)梯度消失反向傳播時，由于梯度值過小或消失的現(xiàn)象答案:BCD解析:[多選題]138.在下列參數(shù)中，有哪些參數(shù)是在神經(jīng)網(wǎng)絡中需要進行調試的？A)學習率αB)動量梯度下降的參數(shù)βC)mini-Batch的大小D)隱藏層數(shù)目答案:ABCD解析:[多選題]139.判別式Discriminativemodel模型使用的方式有：A)HMMB)SVMC)CRFD)MEMM答案:BCD解析:[多選題]140.詞性標注后會降低（）處理的復雜度。A)詞義標注B)信息檢索C)字音轉換D)簡繁轉換答案:ABCD解析:[多選題]141.下列哪些是預訓練模型A)ELMOB)BERTC)GPTD)GPT-2答案:ABCD解析:[多選題]142.常用的激活函數(shù)包括哪些A)tanhB)sigmoidC)ReluD)leaky-Relu答案:ABCD解析:[多選題]143.能逃離局部最優(yōu)解的方式為A)AdamB)MomentumC)RMSpropD)Lasso答案:ABC解析:[多選題]144.關于如下運算：a=tf.Variable([3，4，5]）和b=tf.Variable(a），以下描述正確的是A)合法B)非法C)合法但a需要提前初始化D)合法但不夠安全答案:ACD解析:[多選題]145.文本的One-hot表示的缺點有（）A)維數(shù)過高B)矩陣稀疏C)不能保留語義D)以上都不對答案:ABC解析:[多選題]146.應用最寬泛的深度學習框架是哪個A)caffeB)tensorflowC)torchD)mxnet答案:ABCD解析:[多選題]147.自然語言處理的典型應用場景有（）A)文檔分類和時間序列分類B)根據(jù)電影評論進行情感分析C)根據(jù)最近天氣數(shù)據(jù)預測未來天氣D)將英語翻譯為法語答案:ABCD解析:[多選題]148.下面關于_概率圖模型_,其分類說法正確的是A)有向圖：貝葉斯網(wǎng)絡B)有向圖：馬爾可夫隨機場C)無向圖：貝葉斯網(wǎng)絡D)無向圖：馬爾可夫隨機場答案:AD解析:[多選題]149.訓練好的線性回歸模型可能會遇到什么不好的問題A)欠擬合B)數(shù)據(jù)量過小C)過擬合D)模型正常答案:AC解析:[多選題]150.所謂的命名實體包括哪些？()A)人名B)地名C)機構名D)時間答案:ABCD解析:[多選題]151.文本分類任務中使用FastText算法有什么特點A)可以進行有監(jiān)督學習，也可以無監(jiān)督學習B)引入了分層的softmaxC)結構與CBOW類似D)缺點是沒有引入N-Gram答案:ABC解析:[多選題]152.One-Hot的缺點是什么A)簡單快速容易使用B)可能會產(chǎn)生維度爆炸C)沒有語義信息D)向量的特征表示并不是很好答案:BCD解析:[多選題]153.LDA中有四個分布分別是哪四個分布A)二項分布B)多項分布C)beta分布D)Dirichlet分布答案:ABCD解析:[多選題]154.下面哪些關于特征工程正則化的描述是正確的？A)正則化可以防止欠擬合B)relu函數(shù)具有正則化效果C)正則化可以防止過擬合D)dropout具有正則化效果答案:CD解析:[多選題]155.自然語言處理產(chǎn)生的對話系統(tǒng)，對企業(yè)有哪些好處？A)節(jié)省人工B)提高獎金C)節(jié)省費用D)降低耗電答案:AC解析:[多選題]156.NLP研究的方向和內容都有哪些？？A)文檔分類B)信息抽取C)輿情分析D)信息檢索答案:ABCD解析:[多選題]157.下列四個選項中，關于樸素貝葉斯算法特點描述正確的是？A)低偏差B)高方差C)低方差D)高偏差答案:CD解析:[多選題]158.下列屬于文本分類模型的有（）。A)基于規(guī)則的分類模型B)基于概率的分類模型C)基于機器學習的分類模型D)基于神經(jīng)網(wǎng)絡的分類模型答案:ACD解析:[多選題]159.篇章分析中關于自動文摘，可以分為哪兩大類A)LDAB)ExtractiveC)AbstractiveD)Recall答案:BC解析:[多選題]160.CNN網(wǎng)絡中的卷積部分分別都是有哪些部分構成的A)卷積層B)RELUC)POOLING層D)pedding答案:ABC解析:[多選題]161.N-gram對NLP中的什么任務有不錯的效果A)中文詞性標注B)中文分詞C)中文文本分析D)以上都正確答案:ABCD解析:[多選題]162.以下哪些屬于長短期記憶網(wǎng)絡A)輸入門B)輸出門C)遺忘門D)重置門答案:ABC解析:[多選題]163.概率圖模型中關于判別式模型的缺點，以下哪些？A)學習過程比較復雜B)目標分類中易產(chǎn)生較大錯誤率C)不能反映訓練數(shù)據(jù)本身的特性D)沒辦法把整個場景描述出來答案:CD解析:[多選題]164.如果在訓練任務中發(fā)生了過擬合現(xiàn)象應該如何解決A)增加數(shù)據(jù)量B)減少數(shù)據(jù)量C)增加迭代次數(shù)D)減少迭代次數(shù)答案:AD解析:[多選題]165.以下哪些是隨機森林的特點：A)A:能夠有效地運行在大數(shù)據(jù)集上B)B:能夠處理具有高維特征的輸入樣本，而且不需要降維C)C:對于缺省值問題也能夠獲得很好得結果D)D:能夠評估各個特征在分類問題上的重要性答案:ABCD解析:[多選題]166.以下哪些網(wǎng)絡是循環(huán)神經(jīng)網(wǎng)絡A)RNNB)LSTMC)GRUD)以上都是的答案:ABCD解析:[多選題]167.以下哪些算法經(jīng)常會用到歸一化A)SVMB)線性回歸C)邏輯回歸D)神經(jīng)網(wǎng)絡答案:ABCD解析:[多選題]168.pytorch框架可用于解決以下哪些問題A)NLPB)CVC)DMD)都不能答案:ABC解析:[多選題]169.文本表示的模型有哪些A)詞袋子模型B)N-gramC)線性回歸模型D)邏輯回歸模型答案:AB解析:[多選題]170.相比機器學習，深度學習在處理數(shù)據(jù)的時，在以下哪些方面更加簡便A)數(shù)據(jù)清洗B)特征提取C)特征選擇D)模型訓練答案:ABC解析:[多選題]171.邏輯回歸可以做分類，以下對于它有點描述A)多重共線性和預測變量之間相互關聯(lián)。多重共線性會導致解空間的不穩(wěn)定，從而可能導致結果的不連貫。B)高維空間本身具有稀疏性。一維正態(tài)分布有68%的值落于正負標準差之間，而在十維空間上只有2%。C)過多的變量，對查找規(guī)律造成冗余麻煩。D)僅在變量層面上分析可能會忽略變量之間的潛在聯(lián)系。例如幾個預測變量可能落入僅反映數(shù)據(jù)某一方面特征的一個組內。答案:ABCD解析:[多選題]172.以下哪些是判別式模型A)HMMB)SVMC)CRFD)MEMM答案:BCD解析:[多選題]173.CNN在NLP中也有廣泛的應用，下面程序語句例如conv2d(input_d,filter_d,strides=[1,3,3,1],padding='SAME')，這條語句的含意理解為（）?A)步長在高度方向和寬度方向均為3B)填充圖像邊緣，使圖像尺寸不變C)input_d是待卷積的數(shù)據(jù)D)進行卷積操作答案:ABCD解析:第3部分：判斷題，共66題，請判斷題目是否正確。[判斷題]174.Attention和Self-Attention的計算方式是相同的A)正確B)錯誤答案:對解析:[判斷題]175.提升隱層層數(shù)或者隱層神經(jīng)元個數(shù)，神經(jīng)網(wǎng)絡?容量?會變大，空間表達力會變強。A)正確B)錯誤答案:對解析:[判斷題]176.感知器分類器最早由Rosenblatt提出(Rosenblatt,1962),其又被稱作正確驅動的方法。A)正確B)錯誤答案:錯解析:[判斷題]177.sub函數(shù)能夠找到所有模式匹配的字符串并用指定的字符串替換。對A)正確B)錯誤答案:對解析:[判斷題]178.中文對于詞沒有一個形式上的分界符。A)正確B)錯誤答案:對解析:[判斷題]179.類模型提出的意義是降低模型參數(shù)的規(guī)模。A)正確B)錯誤答案:對解析:[判斷題]180.自然語言處理是能實現(xiàn)計算機與計算機之間用自然語言進行有效通信的各種理論和方法。A)正確B)錯誤答案:對解析:[判斷題]181.決策樹如果不加剪枝操作的話，很容易陷入過擬合A)正確B)錯誤答案:對解析:[判斷題]182.在應用領域中，不會根據(jù)量而劃分是否是語料庫A)正確B)錯誤答案:對解析:[判斷題]183.激活函數(shù)一般連接在輸入層的后面A)正確B)錯誤答案:對解析:[判斷題]184.在分類問題中，表示基于特征對實例進行分類的過程，可以認為是if-then的集合，也可以認為是定義在特征空間與類空間上的條件概率分布。A)正確B)錯誤答案:對解析:[判斷題]185.ID3，C4.5，CART算法中，選擇的特征方法不同A)正確B)錯誤答案:對解析:[判斷題]186.將一個具有多變量的全局函數(shù)因子分解，得到幾個局部函數(shù)的乘積，以此為基礎得到的一個雙向圖叫做因子圖A)正確B)錯誤答案:對解析:[判斷題]187.情感詞的強度指的是情感的強弱。對A)正確B)錯誤答案:對解析:[判斷題]188.符合正態(tài)分布的兩類樣本的分類面的位置與先驗概率無關。A)正確B)錯誤答案:錯解析:[判斷題]189.層次softmax使用的是霍夫曼樹來編碼輸出層詞典A)正確B)錯誤答案:對解析:[判斷題]190.CNN中卷積核的尺寸越小越好A)正確B)錯誤答案:錯解析:[判斷題]191.首先gbdt是通過采用加法模型（即基函數(shù)的線性組合），以及不斷減小訓練過程產(chǎn)生的殘差來達到將數(shù)據(jù)分類或者回歸的算法。A)正確B)錯誤答案:對解析:[判斷題]192.機器翻譯不屬于自然語言處理技術。A)正確B)錯誤答案:錯解析:[判斷題]193.詞法分析中，通常用正確率、召回率、F值來評價系統(tǒng)的性能A)正確B)錯誤答案:對解析:[判斷題]194.構造一個句法分析器需要考慮兩部分工作。首先，是句法的形式化表示；其次，有了這些規(guī)則，還需要有使用這些規(guī)則來達成分析的算法A)正確B)錯誤答案:對解析:[判斷題]195.ELMO相比較Word2Vec解決了一詞多義問題A)正確B)錯誤答案:對解析:[判斷題]196.redwine是搭配詞A)正確B)錯誤答案:對解析:[判斷題]197.森林中任意兩棵樹的相關性：相關性越大，錯誤率越低。A)正確B)錯誤答案:錯解析:[判斷題]198.EM中的M步，結合E步求出的隱含變量條件概率，求出似然函數(shù)下界函數(shù)的最大值A)正確B)錯誤答案:對解析:[判斷題]199.TextCNN是用于機器翻譯的算法A)正確B)錯誤答案:錯解析:[判斷題]200.文本離散表示的特點是忽略文本信息中的語序信息和語境信息，僅將其反映為若干維度的獨立概念。對A)正確B)錯誤答案:對解析:[判斷題]201.Seq2Seq并不是編解碼結構A)正確B)錯誤答案:對解析:[判斷題]202.深度學習相比較于人工神經(jīng)網(wǎng)絡，前者的隱藏層數(shù)更多A)正確B)錯誤答案:對解析:[判斷題]203.CYK分析法首先需要對文法進行Chomsky范式化處理A)正確B)錯誤答案:對解析:[判斷題]204.EM算法是一種監(jiān)督學習算法A)正確B)錯誤答案:錯解析:[判斷題]205.隱馬爾科夫模型適宜用于系統(tǒng)中長期預測A)正確B)錯誤答案:錯解析:[判斷題]206.發(fā)生了過擬合之后，可以從數(shù)據(jù)入手，獲取更多的數(shù)據(jù)集A)正確B)錯誤答案:對解析:[判斷題]207.神經(jīng)網(wǎng)絡中的輸出層可以是一層，也可以是多層A)正確B)錯誤答案:錯解析:[判斷題]208.正則表達式的組成部分只能是可打印字符。錯A)正確B)錯誤答案:錯解析:[判斷題]209.可以把數(shù)據(jù)集分割為子集訓練，這些子集被取名為mini-batchA)正確B)錯誤答案:對解析:[判斷題]210.情感詞典可以根據(jù)要求自行構建也可以從網(wǎng)上下載專門的情感詞典。對A)正確B)錯誤答案:對解析:[判斷題]211.CBOW屬于基于神經(jīng)網(wǎng)絡的文本表示方法，是word2vec中重要的一種實現(xiàn)方式A)正確B)錯誤答案:對解析:[判斷題]212.EM算法中求和的項數(shù)會隨著隱變量的數(shù)目指數(shù)上升，會給梯度計算帶來麻煩。EM算法是一種非梯度優(yōu)化算法A)正確B)錯誤答案:對解析:[判斷題]213.gensim包中當word2vce的參數(shù)sg=1時，代表選擇CBOW算法A)正確B)錯誤答案:錯解析:[判斷題]214.判別模型直接估計分類的最終優(yōu)化目標條件概率（）A)正確B)錯誤答案:對解析:[判斷題]215.keras是TensorFlow的高級集成API，它更加的簡介方便A)正確B)錯誤答案:對解析:[判斷題]216.關于網(wǎng)絡中的學習問題，在一次學習問題中，只能通過一個樣本進行學習，以能夠認出同一個人。A)正確B)錯誤答案:對解析:[判斷題]217.基于規(guī)則的標注方法是較早的一種詞性標注方法，這種方法需要獲取能表達一定的上下文關系及其相關語境的規(guī)則庫。對A)正確B)錯誤答案:對解析:[判斷題]218.ELMO和Word2Vec都屬于預訓練模型，ELMO相比較Word2Vec解決了一詞多義問題A)正確B)錯誤答案:錯解析:[判斷題]219.深度學習可以同時應用在圖像和自然語言領域A)正確B)錯誤答案:對解析:[判斷題]220.逆文檔頻率是統(tǒng)計一個詞在一篇文檔中出現(xiàn)頻次的統(tǒng)計量。錯A)正確B)錯誤答案:錯解析:[判斷題]221.編解碼模型由非常廣泛的應用A)正確B)錯誤答案:對解析:[判斷題]222.理性主義與經(jīng)驗主義的基本出發(fā)點是一致的。（）A)正確B)錯誤答案:錯解析:[判斷題]223.特征工程可有可無A)正確B)錯誤答案:錯解析:[判斷題]224.淺層句法分析的方法基本上可以分成兩類：基于統(tǒng)計的方法和基于規(guī)則的方法A)正確B)錯誤答案:對解析:[判斷題]225.ID3可以做聚類A)正確B)錯誤答案:錯解析:[判斷題]226.不可撤回方式是利用問題給出的局部知識來決定如何選取規(guī)則，接著再根據(jù)新狀態(tài)繼續(xù)選取規(guī)則，搜索過程一直進行下去，不必考慮撒回用過的規(guī)則。A)正確B)錯誤答案:對解析:[判斷題]227.LR的可解釋性強，可控度高A)正確B)錯誤答案:對解析:[判斷題]228.關鍵詞提取技術的主要應用有新聞閱讀、廣告推薦、歷史文化研究、論文索引等領域。對A)正確B)錯誤答案:對解析:[判斷題]229.word2vce中計算相似度用的是余弦值，距離范為0-1之間，值越大代表兩個詞關聯(lián)度越高A)正確B)錯誤答案:對解析:[判斷題]230.采用回溯算法將導致大量的冗余操作，效率非常低A)正確B)錯誤答案:對解析:[判斷題]231.支持向量機是基于Vapnik提出的統(tǒng)計學習原理構建的一種線型分類器（）A)正確B)錯誤答案:對解析:[判斷題]232.概率圖模型構建了這樣一幅圖，用觀測結點表示觀測到的數(shù)據(jù)，用隱含結點表示潛在的知識，用邊來描述知識與數(shù)據(jù)的相互關系A)正確B)錯誤答案:對解析:[判斷題]233.語料庫必須以電子文本形式存在。錯A)正確B)錯誤答案:錯解析:[判斷題]234.SVM中當訓練數(shù)據(jù)近似線性可分時，引入松弛變量，通過軟間隔最大化，學習一個線性分類器，即線